Sig hej eller hej til Kinas Siri

Du har måske ikke hørt om iFlyTek. Virksomheden er heller ikke et kendt navn på hjemmemarkedet i Kina. Men den har et skruestik-lignende greb om over 80 procent af taleteknologimarkedet i Folkerepublikken, der står i spidsen for et økosystem med over 10.000 partnere og udviklere og med brugertal i hundredvis af millioner.

Virksomheden blev grundlagt i 1999 af Liu Qingfeng og fem andre studerende fra University of Science and Technology i Kina, bredt anerkendt som en af ​​landets fremtrædende forskningsinstitutioner. De benyttede sig af forskning udført på universitetets National Intelligent Computer R&D Center og Human-Machine Speech Communication Laboratory.

iFlyTek har udviklet en række tekst-til-tale (TTS)-produkter og for nylig talegenkendelse og den cloud-baserede taleteknologiske platform kaldet Voice Cloud. Gennem årene blev nøjagtigheden støt forbedret, og teknologien fandt vej til et stadigt bredere udvalg af produkter.

Dens Voice Cloud-platform understøtter talegenkendelse, talesyntese og taleinput-applikationer, og fra marts i år kunne taleforståelse og iFlyTek YuDian – døbt det kinesiske Siri – til alle med en internetaktiveret mobiltelefon.

IHS iSuppli analytiker Ian Fogg siger, at markedet for stemmeteknologi stadig er ret umodent, men udbydere, inklusive Google og Nuance, har taget store skridt i de seneste år ved at bruge skyens kraft til at hjælpe med at behandle talegenkendelsesforespørgsler. Den gamle model var en stemmegenkendelsesapplikation som Dragon Naturally Speaking, men ulempen var, at du skulle træne den til din stemme, siger han.

Liu indrømmer, at iFlyTek har den samme kerneteknologi som Nuance og Google, men han hævder, at dens åbne platform og indfødte kinesiske ekspertise gør den overlegen i forhold til USA-fremstillede produkter.

Voice Cloud-platformen er blevet mere præcis, da dens brugertal er steget fra en million i første halvdel af 2011 til hele 100 millioner i dag, siger han.

Vi er i en mere fordelagtig position i forhold til andre konkurrenter i forhold til det kinesiske sprog og det kinesiske marked, fordi vi har en større mængde taledata, som opdateres dagligt af 100 millioner brugere af vores talesky, siger Liu.

Kinesisk er særligt svært at få ret i talegenkendelse og syntese på grund af sprogets tonale karakter. Det vil sige, at det samme ord kan betyde forskellige ting afhængigt af den tone, det bliver talt i - ordet tæt på kantonesisk har en række forskellige betydninger, herunder ni og hund, for eksempel.

iFlyTek skabte derfor et to-stream modelsystem, der adskiller den tonale information fra spektret for at forbedre nøjagtigheden, ifølge forskningschef Hu Yu. Firmaet hævder også at have innovative systemer, der kan forstå tale selv under støjende forhold eller på forvrængede kanaler.

Liu hævder, at et af iFlyTeks nøgleaktiver er dets vilje til at arbejde med forskningsorganer uden for virksomheden, herunder USTC, Tsing Hua University og Institut for Lingvistik ved det kinesiske akademi for samfundsvidenskab.

Taleteknologi er et typisk tværfagligt fag, som involverer mange forskellige fag, såsom datalogi, akustik, fonetik, lingvistik og så videre, siger han. Med støtte fra Ministeriet for Videnskab og Teknologi i Kina byggede vi National Engineering Lab for Speech and Language Information Processing, som er det eneste laboratorium på nationalt niveau inden for tale- og sprogområdet.

Endelig har dets omfattende netværk af 10.000 partnere og udviklere sikret, at teknologien er tilgængelig via en bred vifte af enheder, kanaler og applikationer. Verdens største netværksoperatør, China Mobile, overtog for nylig en andel på 15 procent i firmaet, hvilket udvidede dets rækkevidde yderligere.

Disse partnerskaber har også hjulpet den Siri-lignende YuDian til bedre at betjene sin brugerbase ved at give den rige informationsressourcer, herunder underholdning, rejse- og billetinformation, siger han.

Virksomhedens teknologi kan snart tage kommandoer på markeder uden for Kina. For dem, der er skeptiske over for en hjemmedyrket kinesisk virksomheds engelsksprogede evner, er Liu ivrig efter at hente en imponerende liste af priser for iFlyTek-teknologi.

Den vandt den internationale engelske TTS-konkurrence Blizzard Challenge i syv på hinanden følgende år fra 2006 til 2012 og førstepladsen i den amerikanske NIST-højttaleranerkendelsesevaluering i 2008 og 2010, og først i NIST-sproggenkendelsesevalueringen i 2009 og 2010. Liu siger, at firmaet har gennemførte også med succes F&U på flere andre sprog, herunder japansk, koreansk, fransk, spansk og russisk.

Med Kina, der nu repræsenterer verdens største smartphonemarked, er der helt klart et kæmpe potentiale for vækst.

Daniel Hong, ledende analytiker hos Ovum, siger dog, at iFlyTek ser ud til at være fokuseret på sit ret store captive marked, hvor der stadig er meget plads til at vokse. IHS-analytiker Fogg mener også, at den store størrelse af det kinesiske marked kan distrahere virksomheden på kort sigt.

Mark Natkin, grundlægger af det Beijing-baserede teknologikonsulentfirma Marbridge Consulting, var mere optimistisk. Jeg tror, ​​at hvis det kan drage fordel af de unikke egenskaber på det kinesiske marked og vinde indpas, så har det allerede et vist momentum, som ofte kan spille ind i ekspansion i udlandet, siger han.

ABI Research senioranalytiker Michael Morgan observerer, at med fokus på Kina, har iFlyTek hidtil været i stand til at undgå intellektuel ejendomsrelateret juridisk konflikt med folk som Nuance. På lang sigt kunne iFlyTek drage fordel af sin lokale sprogekspertise til at etablere relationer med lokale håndsæt-OEM'er og etablere en virksomhed, der er stor nok til at blive global, siger Morgan.

Med Huawei, ZTE og Lenovo allerede etableret som partnere, kan det globale fremstød være hurtigere end forventet, da disse lokale håndsætgiganter ser ud til at vokse deres forretninger i udlandet.

Gartner mener, at stemme i 2020 vil være interaktionskanalen mellem mennesker og computere i 50 procent af alle web- og mobilkundeserviceinteraktioner.

skjule